研究|群体如何影响个人观点
想象一下,如果我们让一群有着不同观点的人彼此交流,然后再调查他们的想法,他们最终的想法会如何分布?...
今天,我们来谈谈社会心理学当中一个重要的概念——社会影响(social influence)。
我们知道,社会科学的分析单位通常有三种,对应社会现实的不同层面:
- 个人的想法、感受和行为
- 各种规模的群体、集体和组织
- 国家、社会、文化
- 个体对其他个体想法、感受和行为的影响
- 各种规模的群体对个体的影响
- 国家、社会、文化对个体的影响
想象一下,如果我们让一群有着不同观点的人彼此交流,然后再调查他们的想法,他们最终的想法会如何分布?他们的想法会变得一致吗?如果变得一致,是趋向于所有观点的平均吗?
Nowak和Szamrej的研究试图用社会影响理论来预测最后的结果。
社会影响理论(social impact theory)试图解释一个人、几个人或群体是如何影响个体的。根据这个理论,一个人体验到的影响的强度取决于社会环境中影响源(source)的强度(strength)、距离(immediacy)和数量(number)。
强度(S)是指影响源的权威性、可信度、吸引力、说服力等。贴张图,不说话。i=f(SIN)
距离(I)是指时间和空间上的接近性。一个人与你的物理或社会距离越近,对你的影响越大。
影响源的数量(N)越多,对你的影响越大。
读到这里,你可能会问一个问题:如果和我交流的人和我持同样的观点,会不会让我更坚定自己的观点呢?
好问题。社会影响理论认为,当别人和我持同样立场时,我受到的影响是强度、距离和数量的反函数。
例如,当你和一群有着相同想法的人站在一起时,面对相反观点,你体验到的压力是打折扣的。i=1/f(SIN)
在社会影响理论的基础上,研究者使用了一个特别的方法来预测群体中个体态度改变的过程。它就是:计算机模拟(computor simulation)。
简单来讲就是,将理论模型中的概念具象化为计算机程序语言,设定规则让程序自己跑动,从结果中理解人类行为的特征。
人们的一些观点是多方面因素共同作用的结果,它可能是脆弱的、不稳定的,受支持者和反对者的共同影响。一个人改变观点的概率是反对者强度(说服力)、距离和数量的函数,是支持者强度(支持力)、距离和数量的反函数。
这是计算机模拟所依据的理论模型。计算机模拟的目的就是想看看把一群持不同观点的人放到一起会发生什么。
研究者区分出两种形式的沟通者(communicator)的强度特征:
- 说服力(persuasiveness)
- 支持力(supportiveness)
支持力(supportiveness)就是促进那些与他人有相同观点的人抵制来自他人影响的能力,发生在一个人认识到别人和他有相同观点时。
在计算机模拟中,个体被赋予四个参数值或属性,这些属性受其他个体的影响也会影响其他个体。这些属性包括:
1. 个体的态度
二分值,支持或反对。
2. 说服力
0-100随机分配数字。
说服力并不是个体稳定的属性,它与个体所持的观点及坚持的程度有关;在模拟中,一旦个体的观点发生改变,它的说服力也会变化。问题来了,一个人的观点改变后,他的可信度(强度)是增强了还是减弱了呢?两种情况均有可能发生。你可以认为他是公正无偏的,也可以认为他信念不坚定、容易受外界的影响。因此,在模拟中,一个人观点发生改变后,它的说服力会随机分配。
3. 支持力
也是0-100随机分配数字。一个人观点发生改变后,它的支持力也会重新随机分配。
4. 个体在社会结构中的位置
群体和社会是有结构的,我们和他人处在不同的社会关系当中。这一特征在社会影响理论中就是距离(immediacy)。群体结构就是群体成员之间的距离模式。我们将每个人放在矩阵中,个体之间的距离可以通过欧式距离计算出来。它代表了个体之间交流的容易程度和可能性。
计算机会持续计算不断改变的作用于个体的力量对个体产生影响的结果,直到系统达到均衡状态。
计算机模拟的优势在于,它可以更为真实地模拟社会过程的一些特征。
我们知道,实际的社会过程是动态、持续的。但社会影响理论是一个静态的理论,它仅仅考察社会环境对个体的影响,而没有考虑二者的相互影响。个体并不是社会影响的被动接受者,也在积极地塑造社会环境。此外,一个人受到他人的影响改变观点后,他会基于新的立场继续影响其他人。社会影响不是单次的行动,而是一个持续发生的群体过程。
让我们来看看结果吧!
左图是最初的观点分布。每个人是40*40矩阵中的一个单元,70%的人赞同 I 观点,30%的人赞同-观点。右图是达到均衡后的观点分布状态,已经有92%的人赞同 I 观点,即大部分人的立场。
此外,在模拟过程中,那些被相异观点包围的人更可能改变他们最初的观点,从而形成了拥有类似观点的相邻子群体。
下面是最初观点分布和最终观点分布下不同规模子群体的数量,小群体的数量变得更少了。
那些有着少数观点的小群体更有可能存在于矩阵的边缘。社会中的少数群体在群体结构中最终会处于边缘地位。
当模拟不断进行,态度改变的频次越来越少,当个体加入更大的子群体后,他们极少会改变自己的观点。在达到均衡状态后,就没有人改变自己的观点了。达到均衡的时间取决于最初观点的分布,分布越均匀,时间越长。
最后的观点分布是最初观点分布的非线性函数。也就是说,最初占主导地位的观点在最后会占据更强的主导地位,例如,最初60%的人持有某种观点,最后80%-90%的人会持有这种观点。10%的少数群体在模拟后会完全消失或低于1%;20%的少数群体不会消失,但最后通畅会接近1%的水平。当两种观点一开始势均力敌时,最后哪种观点占主导是很难预测的,最后的分布在26%-74%之间。
对于10%-30%的少数群体有一个有趣的变化过程。最初,这些少数群体的成员数量锐减,那些没有改变观点的人在不断地传播自己的观点,组成新的少数观点群体,通常会分布在矩阵的边缘。在一些模拟中,分布在边缘的少数群体能够改变多数群体中个别成员的观点。随后,最初是少数群体的人几乎都改变了自己的观点以适应大众,但那些最新改变观点的人会抗拒这种转变,反过来改变多数群体成员的观点,成为群体的核心,通常是25个人。
综上,用社会影响理论来解释群体中个体态度改变的过程,会产生两个重要的现象:
- 群体的观点会趋向不完全的极化均衡状态——群体的观点向多数人的观点转变,但并没有完全统一。
- 形成一些拥有不同观点的子群体——一种群聚现象。
- 人们对共同环境因素的独立反应
- 人们选择性迁移到和自己相似的人周围
- 社会影响过程
想象一下,如果我们让一群有着不同观点的人彼此交流,然后再调查他们的想法,他们最终的想法会如何分布?
参考文献:
Nowak, A. (1990). From Private Attitude to Public Opinion: A Dynamic Theory of Social Impact. Psychological Review, 97(3), 362-76.
关注 精神的冒险
微信扫一扫关注公众号